作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一种基于深度神经网络的多模态动作识别方法,根据不同模态信息的特性分别采用不同的深度神经网络,适应不同模态的视频信息,并将多种深度网络相结合,挖掘行为识别的多模态特征.主要考虑人体行为静态和动态2种模态信息,结合微软Kinect的多传感器摄像机获得传统视频信息的同时也能获取对应的深度骨骼点信息.对于静态信息采用卷积神经网络模型,对于动态信息采用递归循环神经网络模型.最后将2种模型提取的特征相融合进行动作识别和分类.在MSR 3D的行为数据库上实验结果表明,本文的方法对动作识别具有良好的分类效果.
推荐文章
多模态深度学习综述
多模态
深度学习
多神经网络
多模态表示
多模态传译
多模态融合
多模态对齐
基于深度学习的轻量型人体动作识别模型
深度学习
图像处理
卷积神经网络
动作识别
基于深度学习的人体动作识别方法
深度信息
人体动作识别
深度学习
空间结构动态深度图
深度卷积神经网络
基于BOOSTING框架的视觉语音多模态情感识别检测方法
情感识别
表情识别
Boosting方法
情感数据库
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习框架的多模态动作识别
来源期刊 计算机与现代化 学科 工学
关键词 深度学习 多模态 动作识别
年,卷(期) 2017,(7) 所属期刊栏目 图像处理
研究方向 页码范围 48-52
页数 5页 分类号 TP391.41
字数 3507字 语种 中文
DOI 10.3969/j.issn.1006-2475.2017.07.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 韩敏捷 南京理工大学计算机科学与工程学院 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (7)
同被引文献  (15)
二级引证文献  (8)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(7)
  • 引证文献(3)
  • 二级引证文献(4)
2020(6)
  • 引证文献(2)
  • 二级引证文献(4)
研究主题发展历程
节点文献
深度学习
多模态
动作识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
论文1v1指导